基于GRU 神經網絡的電動汽車IGBT 模塊剩余壽命預測研究

摘 要： 為獲取老舊電動汽車中拆解的絕緣柵雙極型晶體管（IGBT） 模塊在再制造時的剩余壽命，提出經典循環神經網絡的變體，即GRU 神經網絡的IGBT 模塊剩余壽命預測模型。分析IGBT 模塊的內部結構及老化失效機理，明確老化失效的具體形式，結合IGBT 模塊功率循環試驗的老化數據，確定通態飽和壓降作為模塊老化失效特征量。通過試驗構建最優參數的GRU 神經網絡剩余壽命預測模型，完成對老化失效特征量的預測，并與同樣是經典循環神經網絡另一種變體LSTM 網絡預測模型進行對比。結果表明：經過優化參數的GRU 網絡模型的均方根誤差為0.004 6，平均絕對誤差為0.004 1，決定系數為99.96%，相對LSTM 網絡精度更高，更適合所選IGBT 模塊的剩余壽命預測，同時檢測的時間成本更低，更能提高IGBT 模塊再制造時的檢測與生產效率。

關鍵詞： 絕緣柵雙極型晶體管; GRU; 神經網絡; 剩余壽命預測

中圖分類號： TB9; TP183 文獻標志碼： A 文章編號： 1674–5124（2024）11–0025–08

0 引 言

隨著電力電子技術的快速發展帶來的海量需求，功率半導體產能不足的問題日益凸顯，舊功率半導體器件的回收再利用迎來新的發展機遇。絕緣柵雙極型晶體管（IGBT） 是一種綜合了功率金屬氧化物半導體場效應晶體管（MOSFET） 和雙極結型晶體管（BJT） 結構的復合型功率半導體器件，具有開關速度快、驅動功率小、控制電路簡單、通斷速度快等優點[1]，被廣泛應用在電動汽車AC/DC 充電模塊中。近年來隨著電動汽車的發展進步，對于老舊電動汽車的報廢回收提上日程。通過調研發現，電動汽車中的IGBT 模塊成本高昂且具有較長的使用壽命，往往整車報廢時該模塊仍處于健康狀態，存在較高的利用價值。因此，預測老舊電動汽車IGBT 模塊剩余壽命對模塊資源化具有重要意義。

基于不同的預測機理，IGBT 模塊剩余壽命預測方法可歸納為3 類：基于解析模型、物理模型、數據驅動的預測方法[2]。基于解析模型的預測方法中，Yang 等[3] 運用Levenberg-Marquardt 法與控制變量法對Lesit 模型參數優化擬合，獲得了磁懸浮列車斬波器IGBT 模塊失效的數學解析模型，完成壽命預測；Lai 等[4] 利用Weibull 分布建立了一維壽命模型，并分析提出了Arrhenius 廣延指數壽命模型，驗證了其更適用于低結溫變化場景下IGBT 模塊的壽命分布。基于物理模型的預測方法中，Zhao 等 [5]建立了高溫梯度環境下的IGBT 模塊二維有限元物理模型，提出了基于Darveaux 模型改進的能量壽命預測模型，完成壽命預測；胡震[6] 針對大功率IGBT模塊，以疲勞累積損傷理論為基礎，構建Coffin-Mason 疲勞壽命預測模型，并通過有限元分析仿真出剩余壽命。基于數據驅動的預測方法中，李國元等[7] 利用誤差反向傳播（BP） 神經網絡模型和徑向基函數（RBF） 神經網絡模型對大電流場景下的IGBT 模塊進行結溫預測，證明了BP 神經網絡模型的預測精度較高；史業照等[8] 利用NASA 預測中心的IGBT 模塊加速老化數據集，建立采用Adam 算法優化的LSTM 神經網絡壽命預測模型，完成壽命預測。

解析模型法與物理模型法一般較多用于風力發電、磁懸浮列車等大型電力控制系統中的IGBT 模塊，應用場景通常為大功率、高電壓、低結溫變化等情況。而本文的研究對象拆解于老舊電動汽車，模塊在汽車機電系統中分布密集且尺寸較小，實際工況通常為低功率、高電流、高結溫變化率等情況，更適用于數據驅動的預測方法。同時，本文的研究對象不同于新批次產品的抽檢，而需要對老舊電動汽車上拆解的IGBT 模塊逐一進行檢測，檢測數量多、檢測批次大，對時間成本有較高的要求。因此，本文構建了基于傳統循環神經網絡簡化的GRU 網絡預測模型，并通過網格搜索法優選出針對本文實驗對象的最優模型參數，并與同為傳統循環神經網絡變體的LSTM 網絡預測模型對比，旨在證明最優參數GRU 網絡預測模型更適合所選IGBT 模塊的剩余壽命預測。

1 IGBT 模塊的結構及老化失效

1.1 IGBT 模塊的結構及失效原因

如圖1 所示，IGBT 模塊是一種多層復雜結構，包含IGBT 單管芯片、續流二極管FWD 芯片、鍵合線、上下焊料層、DBC 層、銅基板及最外層散熱器。其中DBC 層又分為上下銅層及中間陶瓷層。IGBT 單管芯片和續流二極管FWD 芯片與DBC 層通過焊料層連接，DBC 層與銅基板也通過焊料層相連。DBC 層中心的陶瓷層既可以建立電氣絕緣，還可以保證熱量傳導。

IGBT 模塊工作時，熱量主要由IGBT 單管芯片和續流二極管FWD 兩個發熱源產生，熱量在二者之間通過輻射與鍵合線傳遞熱量，同時熱量向下傳遞至與兩個芯片直接接觸的焊料層中，再傳遞至DBC 層中的各層，接著繼續向下傳遞至銅基板，最后部分由外殼傳遞至空氣中或者大部分傳遞到下方散熱器上，散熱器與空氣之間再由熱對流的方式進行散熱。